手机用麦克风把声音变成电信号，电信号再转成数字编码。麦克风收集声波震动，传感器变成电压变化，处理器把电压换算成0和1的数字。比如听人说话，手机麦克风每秒抓16万次震动，变成16位数字存起来。

为什么得这样弄呢？因为声波震动是连续的物理信号，得先变成不连续的数字才能处理。手机麦克风灵敏度是-40dB，能听清30米外的人声。16kHz采样率能覆盖人耳20kHz的听阈，16位编码能保留16.7万种电压值。比如0.1秒声音抓2560次震动，换算成4096个数字存起来。处理器用机器学习算这些数字对应的词，比如"你好"对应二进制组合。这样处理既保留声音特征，又符合手机芯片算力，现在手机处理0.1秒声音只要0.3毫秒，延迟比人耳反应还快。